基于地理探測器的濟寧市農田生態系統碳足跡時空演變及影響因素分析

吳云青 史倩文

摘??? 要：為明確濟寧市碳排放、碳吸收與碳足跡時空演變特點，為濟寧市農田生態系統減源增匯及農業可持續發展提供參考。基于2007—2019年濟寧市縣域尺度的數據，計算了濟寧市農田生態系統碳排放、碳吸收和碳足跡，并基于地理探測器探討了其影響因素。研究結果表明：濟寧市農田生態系統碳排放呈逐年下降的態勢，在空間上總體呈西部高、東南、中北部低的分布格局；碳吸收量總體呈上升的態勢，在空間上總體呈西部高、東北和東南部相對較低的分布格局；碳足跡總體呈下降的態勢，農田生態系統始終處于碳生態盈余狀態，碳足跡的空間分布與碳排放的空間布局基本相似。地理探測器分析結果表明，農膜使用量對農田生態系統碳足跡影響最大，化肥使用量影響最小，任意2個影響因素交互作用的影響力均大于單因素影響力。最后，從減少碳排放、增加碳匯、完善相關政策制度方面提出了提升濟寧市低碳綠色農業發展水平的建議。

關鍵詞：農田生態系統；碳排放；碳吸收；碳足跡；地理探測器

中圖分類號：S181????????? 文獻標識碼：A?????? ???DOI 編碼：10.3969/j.issn.1006－6500.2023.07.004

Spatial-temporal Evolution and Influencing Factors of Carbon Footprint of Farmland Ecosystem in Jining City Based on Geographic Detector

WU Yunqing1， SHI Qianwen2

（1.College of Environmental Science and Engineering， Tiangong University， Tianjin 300387， China; 2.College of Economics and Management， Tiangong University， Tianjin 300387， China）

Abstract： To explore the spatio-temporal evolution characteristics， and provide reference for reducing carbon sources and increasing carbon sink of farmland ecosystems in Jining City and the sustainable development of agriculture. Based on the data from 2007 to 2019 of county scale in Jining City， the paper calculated the carbon emission， carbon absorption and carbon footprint of farmland ecosystem in Jining City， then analyzed the influence factors using geographic detector. The results showed that： the carbon emission came down year by year， its spatial distribution pattern was higher in the west and lower in the southeast and central north; The carbon absorption was generally on the rise， its spatial distribution pattern was higher in the west and lower in the northeast and southeast; The carbon footprint was generally in a steady decline， its spatial distribution pattern was similar to carbon absorption's， the farmland ecosystem is always in the state of carbon ecological surplus. The analysis by geographic detector showed that the amount of agricultural film uses was the biggest influence factor of carbon footprint of farmland ecosystem and the amount of fertilizers uses was the smallest， The influence of the interaction of any two influence factors was greater than that of the single factor. Finally， the paper put forward some suggestions to promote the development level of green agriculture in Jining City from the following respects： cutting carbon emissions， increasing carbon sink， improving relevant policies and systems.

Key words： farmland ecosystem; carbon emission; carbon absorption; carbon footprint; geographic detector

20世紀90年代以來，溫室氣體排放、全球變暖問題受到世界各國的廣泛關注，發展低碳經濟、構建低碳社會成為人類社會應對氣候變化，實現可持續發展的戰略選擇。作為陸地生態系統的重要組成部分，農田生態系統在陸地碳循環中發揮著至關重要的作用[1]。一方面，大氣中相當比例的二氧化碳、甲烷、氧化亞氫產生于農業生產；另一方面，農田生態系統也是重要的碳庫[2]。研究農田生態系統碳動態對于降低碳排放，增加碳匯進而達成“雙碳”目標具有重要意義。作為定量測算評價溫室氣體排放量的方法，碳足跡分析方法受到越來越多學者的關注并被應用到了農田生態系統中，農田生態系統碳足跡可以系統分析人類活動產生的碳排放量，從而量化衡量各類農業活動的溫室效應。當前國外關于農田生態系統碳足跡的研究主要集中在碳足跡指標[3-4]、模型測算及其應用研究[5-6]方面，國內主要涉及內涵及計算方法探討[7]、區域農田生態系統碳足跡計算及其時空特征分析[8-9]、農田生態系統碳足跡影響因素研究[10-11]、減源增匯對策[12]，還有一些學者專門研究了保水劑用量[13]、耕作方式[14]對于農田生態系統碳足跡的影響作用。

以上研究為本文提供了重要借鑒與啟示，但尚有以下不足之處：（1）當前研究大多是全國、省域尺度的分析，而具體到地級市尺度的研究還不多見；（2）關于農田生態系統碳足跡影響因素的研究較少，為數不多的研究也大多為定性分析，主觀性較強，缺乏基于定量分析方法的研究。有鑒于此，本文在參考借鑒已有研究成果的基礎上，以濟寧市為研究區域，從地級市尺度分析該市2007—2019年農田生態系統碳足跡的時空演變特點，以地理探測器分析其影響因素，以期為科學制定農業減排政策，發展綠色農業提供參考依據。

1 材料與方法

1.1 數據來源

本文研究區域為山東省濟寧市，濟寧市位于山東西南部，處于東經115°54'～117°06'、北緯34°25'～35°55'之間，屬于暖溫帶季風氣候，全市地形以平原洼地為主，地貌類型較為復雜。到2020年，全市土地總面積110萬hm2，其中耕地達到了601 800 hm2。較高的土地利用率以及較為豐富的湖水資源使得濟寧市農林牧漁業發展較為全面且農業種植結構多樣化，主要有小麥、稻谷、玉米、棉花、油料作物、糖料作物，2020年的種植面積分別達到了2 338、3 008、4 126、317、1 313、157萬 hm2。2020年濟寧市農林牧漁業總產值為999.52億元，其中農業產值為552.15億元，占比達55.2%。

本文數據主要來源于《濟寧統計年鑒》（2008—2020年），包括11種主要農作物的實際產量和播種面積、化肥施用量、農藥用量、農膜用量、農用柴油用量、農業機械總動力、有效灌溉面積、農作物總播種面積等。

1.2 研究方法

1.2.1 碳排放計算方法 碳排放是某種產品或某項活動向大氣圈中轉移碳的過程或機制[8]，其計算公式為：

式中，Et為碳排放總量；Ea為化肥施用引起的碳排放量；Eb為農藥生產和使用過程產生的碳排放量；Ec為農膜投入造成的碳排放量；Ed為農用柴油使用造成的碳排放量；Ee為農業灌溉過程中產生的碳排放量；Ef為農業機械造成的碳排放量[15]，以上指標單位均為t。其中：

式中，Ga、Gb、Gc、Gd分別為化肥、農藥、農膜、農用柴油的使用量；Ge為有效灌溉面積；Ve 為文中選取的11種農作物的種植面積；Ue為農業機械總動力；A、B、C、D、E、F、G分別為其各自的碳排放系數，參考相關文獻[16]，各系數值確定為：A=0.859 6 kg·kg-1、B=4.934 1 kg·kg-1、C=5.18 kg·kg-1、D=0.59 kg·kg-1、E=266.48 kg·hm-2、F=16.47 kg·hm-2、G=0.18 kg·kw-1。

1.2.2 碳吸收計算方法 碳吸收是指某種產品或某項活動消除大氣圈中的碳的過程或機制，濟寧市農田生態系統的碳吸收量可表示為：

式中，Ct為碳吸收總量（t）；Ci為第i類農作物碳吸收率；Yi為第i類農作物的實際產量；Wi 為第i類農作物的含水率；Hi為第i類農作物的經濟系數。Ci、Wi、Hi的取值參考葉文偉等[11]的相關研究。

1.2.3 碳足跡計算方法 參照許萍萍等[8]的研究，本文將碳足跡定義為吸收由于農業活動而直接或間接造成的二氧化碳排放所需的生產性土地面積，計算公式為：

式中，CF為濟寧市農田生態系統碳足跡；NEP為單位面積碳吸收能力，即每公頃農田每年的碳吸收量；S為農作物總播種面積。

式中，CER為生態盈虧。若結果為正值，表示生態盈余；結果為負值，則表示生態赤字。

1.2.4 地理探測器 地理探測器是由王勁峰等[17]學者提出的一種用于度量空間變量空間分異程度及揭示其驅動因素的統計學方法，本文利用地理探測器的因子探測器及交互作用探測研究在農作物全生育期化肥、農藥、農膜、農用柴油使用量、灌溉面積、農業機械總動力等單一因素和因素間的交互作用對農田生態系統碳足跡時空分異的影響，用q值來度量單因素解釋力，計算公式為：

式中，N和Ni分別為總區域和第i個子區域的樣本數量，i=1，2，…L，L為子區域數目；σ2和σ2 i 分別為區域碳足跡總方差和i子區域碳足跡的方差；q為驅動因素對碳足跡空間分層異質性影響力強弱，q∈[0，1]，q值越大，表示解釋變量的解釋力越強，反之則越弱。

2 結果與分析

2.1 濟寧市農田生態系統碳排放分析

2.1.1 濟寧市農田生態系統碳排放時序變化? 如圖1所示，2007—2019年，濟寧市農田生態系統碳排放總量呈逐年下降的態勢，由2007年77.96萬 t下降到了2019年61.90萬t，降低了16.06萬 t，年均下降1.90%。除農業灌溉引起的碳排放量總體略微增加外，其他5種排放因子引起的碳排放量均有所降低，農膜使用量減少帶來的碳排放量降低最為明顯，下降比例為3.88%，其次為農用柴油和化肥的減量使用，其帶來的碳排放下降比例分別為3.71%、2.23%。總體來說，化肥施用引起的碳排放量最大，但有下降的趨勢，其占農田生態系統碳排放的比例由2007年51.41%降至2019年49.42%。農業灌溉、農藥和農膜使用帶來的碳排放量也較大，年均排放量占年均排放總量的比例分別為17.36%、10.54%、9.62%，碳排放量最少的碳源是農業機械的使用。化肥的施用能提高農作物產量，但其帶來的碳排放問題應引起高度重視。未來幾年，濟寧市減少農田生態系統碳排放的關鍵在于合理減少各種化肥的施用。

2.1.2 濟寧市農田生態系統碳排放空間變化 濟寧市農田生態系統碳排放在空間上總體呈西部高，東南、中北部低的分布格局。西部的金鄉縣、嘉祥縣、梁山縣碳排放量一直位居濟寧市前3位，其中金鄉縣的碳排放量始終最高，年均達到了116 590 t，占濟寧市年均碳排放總量的16.44%，金鄉縣碳排放量長期居高不下的原因主要在于其化肥施用量大，年均施用量達到了83 303.87 t，占全市的19.55%。微山縣、兗州區、魚臺縣、曲阜市碳排放量一直相對較低，其中微山縣碳排放量長期處于濟寧市最低水平，其年均碳排放量僅為37 200 t，占濟寧全市碳排放量的5.25%。2007—2019年，在所有的區縣市中，除泗水縣碳排放量略有增長（由46 970 t增長到49 790 t）外，其余區縣市碳排放量總體均呈下降趨勢，其中，碳排放量減幅最大的是微山縣，其下降比例達到了36.95%，任城區碳排放量下降比例也達到了36.94%，兗州區、金鄉縣和魚臺縣的下降比例也均在30%以上，碳排放量下降幅度最小的是梁山縣，由2007年78 350 t下降到了2019年77 260 t，僅下降了1.40%。

2.2 濟寧市農田生態系統碳吸收分析

2.2.1 濟寧市農田生態系統碳吸收時序變化? 2007—2019年，濟寧市農田生態系統碳吸收量總體呈上升態勢，由2007年555.93萬t增長為2019年561.52萬t，增長了1%。這說明濟寧市農田生態系統碳匯能力在不斷增強。具體而言，濟寧市農田生態系統碳吸收的時序變化可以分為2個階段：2007—2013年，碳吸收量呈不斷增長的態勢，年均增長3.86%；2013—2019年，碳吸收量又開始逐年下降，下降比例達到了19.53%。濟寧市農田生態系統碳吸收量之所以出現這種時序變化特點，主要原因在于農作物播種面積的動態變化，比如2007年濟寧市小麥的播種面積為304 741 hm2，之后逐年遞增，2013年達到了379 346.45 hm2的峰值，其后開始逐年下降，2019年僅為346 363.90 hm2；濟寧市主要農作物玉米播種面積的時序變化也大體呈現這種“總體上升，階段性先上升后下降”的變化規律。

分農作物來看，濟寧市小麥、玉米、蔬菜、棉花等主要農作物的碳吸收量都較多，比如2019年，主要糧食作物小麥的碳吸收量達到了237.69萬t，玉米的碳吸收量達到了186.28萬 t；而雜糧作物的碳吸收量均較少，比如2019年，高粱的碳吸收量僅為0.03萬 t，谷子的碳吸收量僅為0.37萬t。2007—2019年，小麥、水稻、玉米、谷子、豆類的碳吸收量總體是增加的，而高粱、薯類、花生、棉花、蔬菜、瓜果的碳吸收量總體是下降的。

2.2.2 濟寧市農田生態系統碳吸收空間變化 濟寧市農田生態系統碳吸收量在空間上總體呈西部高、東北和東南部相對較低的分布格局。汶上縣、嘉祥縣和梁山縣的碳吸收量最高，其年均碳吸收量分別達到了79.071萬t、78.981萬t、78.410萬 t，分別占濟寧市年均農田生態系統碳吸收總量的12.52%、12.50%、12.41%；農田生態系統碳吸收量較低的是泗水縣和微山縣，其農田生態系統年均碳吸收量占濟寧市年均量的比例分別為5.79%、6.12%。2007—2019年期間，除任城區、泗水縣、兗州區和鄒城市外，其他縣區碳吸收量總體上均呈增加態勢。其中，增幅最大的為金鄉縣和汶上縣，碳吸收量分別由2007年的42.630萬t、59.587萬 t增加至2019年的51.630萬t、72.105萬t，增長比例分別為21.11%、21%。在碳吸收量整體呈下降態勢的區縣中，下降幅度較大的地區是兗州區和鄒城市，2007—2019年，其下降比例分別達到了21.92%、20.52%。

2.3 濟寧市農田生態系統碳足跡分析

2.3.1 濟寧市農田生態系統碳足跡時序變化 如圖2所示，2007—2019年，濟寧市農田生態系統碳足跡總體呈下降的態勢，這與其農作物播種總面積的變化態勢大體相同。具體分析來看，濟寧市農田生態系統碳足跡的變化較為曲折，碳足跡在2007年達到了14.56萬hm2，在2008年下降到了12.72萬hm2，于2010年增長到了13.03萬hm2，之后又經歷多次升降過程，2019年濟寧市農田生態系統碳足跡為10.71萬hm2，相比于2007年，下降了26.39%。農田生態系統單位面積碳足跡與碳足跡總量時序變化特征基本相同，2007年單位面積碳足跡為0.140 2 hm2·hm-2，在2008年下降到了0.120 9 hm2·hm-2，于2010年增長到了0.122 2 hm2·hm-2，其后又經歷多次起伏變化過程，2019年濟寧市單位面積農田生態系統碳足跡僅為0.110 2 hm2·hm-2，相對于2007年下降了21.40%。這說明作為一個碳庫，濟寧市農田生態系統碳匯能力在逐漸增強。另外，從生態盈虧方面來看，濟寧市農田生態系統始終處于碳生態盈余狀態，但生態盈余量的變化經歷了2個階段：2007—2012年為生態盈余持續上升期，碳生態盈余由2007年89.25萬hm2上升至2012年96.87萬 hm2，增長了8.54%；2012—2019年為生態盈余持續下降期，碳生態盈余由2012年96.87萬hm2下降到了2019年的86.47萬hm2，下降了10.74%。在此期間，濟寧市農田生態系統碳生態盈余之所以呈現“先上升后下降”的特點，原因在于2012年后濟寧市耕地面積持續減少。

2.3.2 濟寧市農田生態系統碳足跡空間變化 濟寧市農田生態系統碳足跡的空間分布整體呈西南高，東南、中北部低的分布格局，與碳排放的空間分布格局基本相似。碳足跡總量最大的是金鄉縣，2007—2019年間的年均碳足跡達到了3.044萬 hm2，占濟寧市年均碳足跡總量的26.02%；其次是嘉祥縣和梁山縣，碳足跡分別為1.373萬 hm2、1.321萬 hm2；碳足跡最小的為微山縣，總量為0.594萬hm2，僅為金鄉縣農田生態系統碳足跡的19.53%，兗州區和曲阜市的農田生態系統碳足跡也較小，分別僅為0.653萬 hm2、0.757萬hm2。

在濟寧市11個區縣市中，除了泗水縣之外（碳足跡由2007年1.092萬hm2增長到2019年1.133萬hm2），其他區縣市的農田生態系統碳足跡均呈下降的態勢。由圖3可知，2007、2011、2015、2019年，金鄉縣、嘉祥縣、梁山縣、鄒城區的碳足跡總量一直較高，排名一直位列前4，而微山縣、兗州區的碳足跡總量一直較低，排名較為靠后；相對而言，任城區碳足跡總量的變化較大，由2007年1.219萬hm2下降到了2019年0.691萬hm2，降低了43.36%。金鄉縣雖然碳足跡總量最大，但下降速度也較快，由2007年4.295萬hm2降低至2019年2.452萬hm2，年均下降4.56%；除此之外，微山縣和兗州區碳足跡下降的速度也較快，其年均下降比率分別為4.29%、4.28%。

2.4 濟寧市農田生態系統碳足跡的影響因素分析

依據農田生態系統碳足跡的內涵界定、研究區實際狀況，考慮到數據的可獲得性，選擇2019年濟寧市各縣級單元的化肥施用量（x1）、農藥使用量（x2）、農膜投入量（x3）、農用柴油使用量（x4）、有效灌溉面積（x5）、農業機械總動力（x6）6個因素為自變量，利用地理探測器分析濟寧市農田生態系統碳足跡的影響因素。地理探測分析結果（表1）表明：6種驅動因素均在5%置信水平上顯著，單因素解釋力q值均大于0.1，其中，農膜使用量對碳足跡的解釋力最大（q=0.591），其次是農藥使用量（q=0.548），化肥施用量對碳足跡的影響力最小（q=0.153），這說明濟寧市農田生態系統碳足跡大小與農藥、農膜使用數量密切相關。

交互探測可以探測出任意兩因素之間的相互作用，即評估在影響因素A和B的共同作用下，兩個影響因素對濟寧市碳足跡的影響力是增強、減弱還是獨立。由表2可知，即使是單因素作用力最強的影響因素仍小于任意2個影響因素的交互作用力，即其交互作用類型表現為雙因素增強，這說明因素間的交互作用會增強對濟寧市農田生態系統碳足跡分異性的解釋。化肥與其他影響因素共同作用時對碳足跡的解釋力都較強，其交互作用的解釋力均在0.9以上。因其本身單獨作用時解釋力就較強，農膜與其他影響因素的交互作用力均較大，除與農藥的交互作用外，農膜與其他影響因素間的交互作用解釋力也均在0.9以上。農膜與有效灌溉面積的相互作用影響力最大，為0.997，交互作用力最小的是有效灌溉面積與農業機械總動力2種影響因素的共同作用，為0.672。交互作用表現為雙因素增強的只有農藥與農膜、農藥與農用柴油、農藥與有效灌溉面積、農膜與農用柴油、有效灌溉面積與農業機械總動力5種，其余10種交互作用類型均為雙因素增強和非線性增強。這說明各影響因素對于濟寧市農田生態系統碳足跡影響力的強弱既不是某一因素的單獨作用，也不是簡單2種因素作用的疊加，而是多種因素綜合作用的結果。

3 討論與結論

基于2007—2019年濟寧市縣域尺度的農作物播種面積、農作物產量、農資投入等數據，計算了濟寧市農田生態系統的碳排放、碳吸收和碳足跡，并探討了其影響因素，主要研究結論如下：

（1）2007—2019年，濟寧市農田生態系統碳排放總量呈逐年下降的態勢，除農業灌溉引起的碳排放量總體略微增加外，其他排放因子引起的碳排放量均有所降低，農膜使用量的減少帶來的碳排放量降低最為明顯。化肥施用引起的碳排放量最大，但有下降趨勢。濟寧市農田生態系統碳排放在空間上總體呈西部高，東南、中北部低的分布格局。

（2）2007—2019年，濟寧市農田生態系統碳吸收量總體呈上升態勢，農田生態系統碳匯能力不斷增強。濟寧市農田生態系統碳吸收量在空間上總體呈西部高、東北和東南部相對較低的空間分布格局。

（3）2007—2019年，濟寧市農田生態系統碳足跡總體呈下降態勢，這與其農作物播種總面積的變化態勢大體吻合。濟寧市農田生態系統始終處于碳生態盈余狀態，碳足跡的空間分布與碳排放的空間分布格局基本相似。

（4）濟寧市農田生態系統碳足跡影響因素的地理探測器分析結果表明，農膜使用量對農田生態系統碳足跡影響最大，化肥施用量影響最小。任意因素間的交互作用力均大于單因素作用力，各因素對碳足跡影響力的強弱是多因素共同作用的結果，這也是碳足跡較難降低的原因。在農田生態系統的管理中，管理者應綜合考慮各因素的影響，結合單因素探測值與因素交互作用探測值制定具有針對性的方案，最大程度降低碳足跡。

基于以上研究結論，為提升濟寧市綠色農業發展水平，提出以下幾方面的建議：其一，從減少碳排放的角度，應控制和優化化肥、農藥、農膜等農業化學品的使用，綜合運用財政、金融等手段鼓勵支持使用有機肥、可降解農膜，倡導秸稈還田、測土配方施肥、畜禽糞污和廢棄物資源化利用，大力推廣噴灌、滴灌等現代農業技術和節能型農業機械；其二，從增加碳匯的角度，要完善農業基礎設施，優化農業生產技術和管理方式，加大高標準農田建設力度，提升復種指數，培育良種，提高農作物抵御自然災害的能力，提升農作物產量；其三，要進一步完善耕地生態補償機制，構建耕地固碳減排監測機制、農業碳排放核算方法體系等，以制度創新推進農田生態系統的固碳減排。

不可否認，本文也有一定的局限性，研究結果的精確性有待提高。首先，所采用的碳排放系數、農作物的經濟系數等各類系數均直接參考其他相關研究，并沒有在實地考察的基礎上結合研究區的實際狀況對他們進行修正；其次，由于數據獲取的局限性，本文并沒有將所有農業生產和農作物考慮在內；最后，沒有考慮土壤的碳固定、碳排放對碳足跡的影響。今后應進一步加強基于不同自然經濟社會條件的碳足跡測算研究。

參考文獻：

[1] 劉貴斌， 黃璜， 周江偉， 等. 湖南省農田生態系統碳足跡分析[J]. 作物研究， 2016， 30（6）： 666-673.

[2] 沈體忠. 天門市農田生態系統碳足跡的測度分析[J]. 長江大學學報（自科版）， 2017， 14（14）： 62-68.

[3] WEST T O， MARLAND G. Net carbon flux from agricultural ecosystems： methodology for full carbon cycle analyses[J]. Environmental Pollution， 2002， 116（3）： 439-444.

[4] LAL R. Carbon emission from farm operations[J]. Environment International， 2004， 30（7）： 981-990.

[5] SOVACOOL B K， BROWN M A. Twelve metropolitan carbon footprints： a preliminary comparative global assessment[J]. Energy Policy， 2010， 38（9）： 4856-4869.

[6] HERTWICH E G， PETERS G P. Carbon footprint of nations： a global， trade-linked analysis[J]. Environmental Science & Technology， 2009， 43（16）： 6414-6420.

[7] 劉巽浩， 徐文修， 李增嘉， 等. 農田生態系統碳足跡法： 誤區、改進與應用——兼析中國集約農作碳效率[J]. 中國農業資源與區劃， 2013， 34（6）： 1-11.

[8] 許萍萍， 趙言文， 陳顥明， 等. 江蘇省農田生態系統碳源/匯、碳足跡動態變化[J]. 水土保持通報， 2018， 38（5）： 238-243.

[9] 王敬哲， 劉志輝， 張波. 近20年新疆農田生態系統碳足跡時空變化[J]. 干旱地區農業研究， 2016， 34（5）： 240-248.

[10] 李明琦， 劉世梁， 武雪， 等. 云南省農田生態系統碳足跡時空變化及其影響因素[J]. 生態學報， 2018， 38（24）： 8822-8834.

[11] 葉文偉， 王城城， 趙從舉， 等. 近20年海南島熱帶農田生態系統碳足跡時空格局演變[J]. 中國農業資源與區劃， 2021， 42（10）： 114-126.

[12] 張婷， 蔡海生， 張學玲. 基于碳足跡的江西省農田生態系統碳源/匯時空差異[J]. 長江流域資源與環境， 2014， 23（6）： 767-773.

[13] 楊永輝， 武繼承， 趙世偉， 等. 保水劑用量對農田生態系統碳足跡的影響[J]. 農業機械學報， 2015， 46（4）： 125-131.

[14] 武寧， 王恩慧， 王充卯， 等. 耕作方式對小麥-玉米兩熟農田生態系統碳足跡的影響[J]. 山東農業科學， 2017， 49（6）： 34-40.

[15] 杭曉寧， 張健， 胡留杰， 等. 2006—2015年重慶市農田生態系統碳足跡分析[J]. 湖南農業大學學報（自然科學版）， 2018， 44（5）： 524-531.

[16] 郝小雨. 黑龍江省30年來農田生態系統碳源/匯強度及碳足跡變化[J]. 黑龍江農業科學， 2021（8）： 97-104.

[17] 王勁峰， 徐成東. 地理探測器： 原理與展望[J]. 地理學報， 2017， 72（1）： 116-134.